bigdata-file-viewer-master.zip

一、LiteFlow是做什么的 liteflow是一个基于任务版本来实现的分布式任务流调度系统 1.实现任务在任务流间共享 2.任务/任务流的可视化配置 3.一键修复任务/任务流修复提高数据修复效率 4.动态表单+容器机制，提供一个可扩展性比较强的执行引擎 5.执行者可以运行任何类型的任务，shell、python 二、LiteFlow项目介绍 1.项目主要分为控制台和执行引擎 1) 主要用来配置以及调度任务 2) 执行引擎(EXECUTOR) 依托容器->插件->任务实现 容器分为同步容器和异步容器 三、相关知识 1. 2. 3. 4. 5.项目部署相关 相关项目 dubbo azkaban

基于之前的文章[Python实战：抓取肺炎疫情实时数据，画2019-nCoV疫情地图](https://blog.csdn.net/weixin_35770067/article/details/104172396)简单可视化了疫情的情况。基于网络上有很多大牛已经完成了众多前端模板的开发。我选择了一个较好的可视化前端页面。最后效果展示如下。

3.1 生成密匙 3.2 免密登录 3.3 验证免密登录 3.1 下载并解压 3.2 配置环境变量 3.3 修改配置 3.4 分发程序 3.5 初始化 3.6

1、Spark中的HashShufle的有哪些不足 2、 conslidate是如何优化Hash shuffle时在map端产生的小文件 3、spark.def

1.1 下载并解压 1.2 配置环境变量 1.3 修改配置 1.4 拷贝数据库驱动 1.5 初始化元数据库 1.6 启动 2.2 启动hiveserver2 1

连接xshell传输文件 window 11版本

连接xshell传输文件 windows 10版本

欢迎来到 gcviz :dna: 该项目将相关的社区检测算法应用于基因交互网络。 Flask Web 应用程序可让您可视化应用的每个算法的分区结果。 您可以探索和合并社区，以及分析它们的底层基因。 目前支持的算法： 名称 描述 模块化 图书馆 鲁汶 贪婪的模块化最大化 0.69 python-louvain 流体C 流体社区检测 0.63 网络x 克劳塞特-纽曼-摩尔 模块化最大化 0.61 网络x 节点2向量 使用 kmeans 聚类的图节点嵌入。 0.65 节点2向量 Kernigan-Lin 对分法 最小化切割（递归应用） 0.06 网络x 光谱聚类 基于图拉普拉斯矩阵的幽灵 0.66 scikit-学习 格文-纽曼 基于边缘介数 0.04 网络x :whale: 码头工人 通过docker快速开始使用web应用： $ docker build -t gcviz:l

大数据比赛 仓库说明 哔哩哔哩视频笔记在